cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Muhammad Hasanuddin
Contact Email
cvraskhamediagroup@gmail.com
Phone
+628111261633
Journal Mail Official
ejodsie@gmail.com
Editorial Address
Jalan Gurilla No. 2 Sidorejo, Kec. Medan Tembung 20222
Location
Kota medan,
Sumatera utara
INDONESIA
Journal of Data Science and Informatics Engineering
Published by CV. Raskha Media Group
ISSN : -     EISSN : 3123948X     DOI : https://doi.org/10.64803/jodsie
Core Subject : Science,
Computer Science & IT
The Journal of Data Science and Informatics Engineering (JoDSIE) is an open-access, peer-reviewed academic journal that publishes high-quality research articles and reviews in the fields of data science, informatics, and engineering. It aims to bridge the gap between theory and practice by providing a platform for innovative contributions that advance the development, application, and understanding of data science methodologies and informatics engineering solutions. JoDSIE is committed to showcasing interdisciplinary research that addresses real-world challenges across various industries and academia, offering valuable insights into how data-driven approaches can foster technological advancements and improve decision-making processes. The journal focuses on publishing cutting-edge research in the areas of data science, machine learning, artificial intelligence, big data analytics, informatics, and engineering systems. It covers both theoretical developments and practical implementations of data-driven techniques in diverse domains. JoDSIE seeks to highlight advances in data processing, computational models, algorithms, and the engineering of systems that leverage data for decision-making, problem-solving, and optimization. Additionally, the journal is dedicated to fostering a deeper understanding of the ethical, legal, and societal implications of data science and informatics engineering.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 7 Documents
 1 
Enhancing Data Processing Efficiency through Machine Learning Algorithms: A Comprehensive Study Muhammad Hasanuddin
Journal of Data Science and Informatics Engineering Vol. 1 No. 1 (2025): Desember 2025
Publisher : CV. Raskha Media Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64803/jodsie.v1i1.12

Abstract

This study explores the transformative potential of machine learning algorithms to optimize data processing efficiency across diverse applications and address the growing challenges posed by big data. Specifically, machine learning can significantly enhance railway operations by optimizing maintenance schedules, reducing service interruptions, and improving overall network velocity. By applying advanced analytical techniques to railway data, it is possible to predict potential failures and proactively schedule maintenance, thereby minimizing costly downtime and enhancing the reliability of rail transportation infrastructure. This approach enables the transition from reactive to predictive maintenance strategies, leading to more efficient resource allocation and improved operational safety. This shift towards predictive maintenance, driven by machine learning, is crucial for mitigating risks and extending the lifespan of critical railway assets. This is particularly evident in power systems, where continuous monitoring and fault detection are paramount for maintaining stability and preventing disruptive outages, highlighting the broad applicability of these methodologies.
Applications of Artificial Intelligence in Healthcare: From Diagnosis to Treatment Optimization Muhammad Hasanuddin; Siti Khodijah
Journal of Data Science and Informatics Engineering Vol. 1 No. 1 (2025): Desember 2025
Publisher : CV. Raskha Media Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64803/jodsie.v1i1.13

Abstract

The development of Artificial Intelligence (AI) has brought significant changes to the healthcare sector, particularly in improving diagnostic accuracy, optimizing treatment, and operational efficiency of medical services. Integrating intelligent algorithms with large-scale medical data allows healthcare systems to shift from conventional approaches toward more predictive, personalized, and data-driven services. This research aims to comprehensively examine the application of AI in healthcare, ranging from diagnostic support systems to optimizing patient care and treatment. The method used is a Systematic Literature Review (SLR) with a qualitative-descriptive approach to scientific articles published between 2020 and 2025, sourced from reputable databases such as Scopus, Web of Science, PubMed, and IEEE Xplore. The study results indicate that AI has been widely applied in medical image-based diagnosis, predictive analytics, personalized treatment planning, clinical workflow optimization, and robot-assisted surgery. Although AI has proven to improve the accuracy, speed, and adaptability of healthcare services, the main challenges still lie in ethical aspects, data privacy, algorithmic transparency, and infrastructure gaps between healthcare systems. This research concludes that the successful integration of AI in healthcare services is highly dependent on the implementation of a strong ethical framework, cross-disciplinary collaboration, and the development of transparent and reliable AI models. This finding is expected to serve as a reference for researchers and practitioners in developing sustainable and patient safety-oriented AI solutions.
Penerapan Big Data dalam Meningkatkan Kualitas Layanan Pemerintahan Siti Khodijah; Muhammad Hasanuddin; Muhammad Amin
Journal of Data Science and Informatics Engineering Vol. 1 No. 1 (2025): Desember 2025
Publisher : CV. Raskha Media Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64803/jodsie.v1i1.14

Abstract

Perkembangan teknologi informasi yang pesat telah mendorong pemerintah untuk beradaptasi dalam meningkatkan kualitas layanan publik. Salah satu inovasi teknologi yang berperan penting dalam transformasi pemerintahan digital adalah Big Data. Big Data memungkinkan pengolahan data dalam jumlah besar, beragam, dan berkecepatan tinggi sehingga dapat menghasilkan informasi yang bernilai bagi pengambilan keputusan. Penelitian ini bertujuan untuk menganalisis penerapan Big Data dalam meningkatkan kualitas layanan pemerintahan, khususnya dalam aspek efisiensi pelayanan, transparansi, akurasi kebijakan, dan kepuasan masyarakat. Metode penelitian yang digunakan adalah studi literatur dengan mengkaji berbagai jurnal ilmiah, laporan resmi, dan publikasi terkait penerapan Big Data di sektor pemerintahan. Hasil kajian menunjukkan bahwa pemanfaatan Big Data mampu meningkatkan efektivitas pelayanan publik melalui analisis kebutuhan masyarakat secara real-time, optimalisasi proses administrasi, serta peningkatan responsivitas pemerintah terhadap permasalahan publik. Selain itu, penerapan Big Data juga mendukung terciptanya pemerintahan yang lebih transparan dan akuntabel. Namun demikian, implementasi Big Data dalam layanan pemerintahan masih menghadapi berbagai tantangan, seperti keterbatasan infrastruktur, keamanan dan privasi data, serta kesiapan sumber daya manusia. Oleh karena itu, diperlukan strategi yang komprehensif dalam pengelolaan Big Data agar manfaatnya dapat dirasakan secara optimal dalam meningkatkan kualitas layanan pemerintahan
Pengembangan Sistem Pembelajaran Berbasis Kecerdasan Buatan untuk Pendidikan Jarak Jauh Rusmin Saragih
Journal of Data Science and Informatics Engineering Vol. 1 No. 1 (2025): Desember 2025
Publisher : CV. Raskha Media Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64803/jodsie.v1i1.15

Abstract

Perkembangan pendidikan jarak jauh menuntut adanya inovasi teknologi yang mampu meningkatkan kualitas dan efektivitas pembelajaran. Kecerdasan buatan (Artificial Intelligence/AI) menjadi salah satu solusi potensial dalam menjawab tantangan tersebut melalui pembelajaran yang adaptif, personal, dan berbasis data. Penelitian ini bertujuan untuk mengembangkan dan mengevaluasi sistem pembelajaran berbasis AI yang dirancang untuk mendukung pendidikan jarak jauh secara efektif dan beretika. Metode penelitian yang digunakan adalah penelitian dan pengembangan (Research and Development) dengan pendekatan mixed methods, yang meliputi analisis kebutuhan, perancangan sistem, pengembangan prototipe, implementasi terbatas, serta evaluasi sistem. Hasil penelitian menunjukkan bahwa sistem pembelajaran berbasis AI mampu meningkatkan personalisasi pembelajaran, keterlibatan peserta didik, serta kualitas umpan balik pembelajaran. Selain itu, penelitian ini mengidentifikasi pentingnya penerapan prinsip etika, transparansi, dan perlindungan data dalam penggunaan AI di bidang pendidikan. Dengan demikian, sistem pembelajaran berbasis AI berpotensi menjadi solusi strategis dalam meningkatkan kualitas pendidikan jarak jauh apabila diterapkan secara bertanggung jawab dan terintegrasi dengan kebijakan institusional yang tepat
Optimasi Algoritma Pengolahan Citra Digital Menggunakan Metode Pembelajaran Mesin untuk Deteksi Penyakit Deni Apriadi; Muhammad Irfan Sarif
Journal of Data Science and Informatics Engineering Vol. 1 No. 1 (2025): Desember 2025
Publisher : CV. Raskha Media Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64803/jodsie.v1i1.16

Abstract

Perkembangan teknologi informasi dan komunikasi di era digital telah mendorong peningkatan signifikan dalam pemanfaatan data citra medis untuk mendukung proses diagnosis penyakit. Pengolahan citra digital yang dikombinasikan dengan metode pembelajaran mesin menjadi solusi potensial dalam meningkatkan akurasi dan efisiensi deteksi penyakit. Penelitian ini bertujuan untuk mengoptimasi algoritma pengolahan citra digital menggunakan metode pembelajaran mesin, khususnya deep learning berbasis Convolutional Neural Network (CNN), dalam mendeteksi penyakit berdasarkan citra medis. Metode penelitian yang digunakan meliputi tahapan pengumpulan dataset citra medis, pra-pemrosesan citra, ekstraksi fitur, pengembangan dan optimasi model pembelajaran mesin, serta evaluasi kinerja model menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model CNN teroptimasi menghasilkan performa terbaik dibandingkan algoritma pembelajaran mesin konvensional seperti K-Nearest Neighbor, Support Vector Machine, dan Random Forest. Optimasi hyperparameter dan arsitektur jaringan terbukti mampu meningkatkan akurasi deteksi serta mengurangi overfitting. Penelitian ini menyimpulkan bahwa optimasi algoritma pengolahan citra digital berbasis pembelajaran mesin memiliki potensi besar dalam mendukung sistem diagnosis penyakit yang lebih akurat dan andal, serta berkontribusi pada peningkatan kualitas layanan kesehatan berbasis teknologi.
Implementasi Metode MAUT (Multi Attribute Utility Theory) dalam Menentukan Fotografer Terbaik di Maxnation Berbasis Web Fadli Algani Damanik; Elida Tuti Siregar
Journal of Data Science and Informatics Engineering Vol. 1 No. 1 (2025): Desember 2025
Publisher : CV. Raskha Media Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64803/jodsie.v1i1.25

Abstract

Maxnation adalah perusahaan swasta yang mengkhususkan diri dalam layanan fotografi. Perusahaan ini menyediakan layanan video, fotografi, dan studio foto. Permasalahan penelitian dapat diselesaikan dengan menerapkan sistem pendukung keputusan, menggunakan beberapa kriteria penilaian, dan menggunakan metode pengambilan keputusan yang andal. Banyak metode pengambilan keputusan dapat digunakan dalam sistem pendukung keputusan. Dalam penelitian ini, penulis menerapkan metode MAUT (Multi-Attribute Utility Theory) untuk pemilihan fotografer. Metode ini menawarkan fleksibilitas dan kemudahan yang tinggi dalam memisahkan aspek subjektif dari proses evaluasi menjadi kriteria keputusan berbobot dengan beberapa atribut pengambilan keputusan.
Peran Kecerdasan Buatan dalam Meningkatkan Efisiensi Pemrosesan Data Cindy Atika Rizki; Siti Khodijah; Muhammad Hasanuddin
Journal of Data Science and Informatics Engineering Vol. 1 No. 2 (2026): April 2026
Publisher : CV. Raskha Media Group

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64803/jodsie.v1i2.27

Abstract

Perkembangan teknologi informasi telah menyebabkan peningkatan jumlah data yang dihasilkan dalam berbagai sistem digital. Kondisi ini menuntut adanya metode pemrosesan data yang lebih efisien dan adaptif untuk mengelola data dalam skala besar. Kecerdasan buatan (Artificial Intelligence) muncul sebagai salah satu solusi yang mampu meningkatkan efisiensi pemrosesan data melalui kemampuan analisis otomatis, pengenalan pola, serta pembelajaran dari data. Penelitian ini bertujuan untuk menganalisis peran kecerdasan buatan dalam meningkatkan efisiensi pemrosesan data pada sistem informasi modern. Metode penelitian yang digunakan adalah studi literatur dengan pendekatan deskriptif-analitis melalui pengumpulan dan analisis berbagai sumber ilmiah yang relevan dengan topik penelitian. Hasil kajian menunjukkan bahwa penerapan teknik kecerdasan buatan seperti machine learning, deep learning, dan analitik prediktif mampu meningkatkan kecepatan, akurasi, serta efektivitas proses pengolahan data dibandingkan dengan metode pemrosesan data konvensional. Selain itu, integrasi kecerdasan buatan dengan teknologi komputasi modern seperti big data dan cloud computing juga memberikan kontribusi yang signifikan dalam pengelolaan data dalam jumlah besar secara lebih efisien. Meskipun demikian, implementasi kecerdasan buatan masih menghadapi beberapa tantangan, seperti kebutuhan akan kualitas data yang baik, kompleksitas pengembangan model, serta kebutuhan sumber daya komputasi yang memadai. Oleh karena itu, pemanfaatan kecerdasan buatan perlu dikembangkan secara optimal agar dapat mendukung peningkatan efisiensi pemrosesan data di berbagai bidang pada era digital.

Page 1 of 1 | Total Record : 7

 1 

Filter by Year

2025 2026


Reset
Filter By Issues
All Issue Vol. 1 No. 2 (2026): April 2026 Vol. 1 No. 1 (2025): Desember 2025